CN105574501B - 一种人流视频侦测分析系统 - Google Patents
一种人流视频侦测分析系统 Download PDFInfo
- Publication number
- CN105574501B CN105574501B CN201510939892.6A CN201510939892A CN105574501B CN 105574501 B CN105574501 B CN 105574501B CN 201510939892 A CN201510939892 A CN 201510939892A CN 105574501 B CN105574501 B CN 105574501B
- Authority
- CN
- China
- Prior art keywords
- people
- humanoid
- engine
- stream
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Abstract
本发明公开了一种人流视频侦测分析系统,包括硬件设备、软件引擎和模板数据库,所述硬件设备包括计算机、视频输入设备、网络设备;所述软件引擎包括识别捕捉引擎、分帧引擎、投影引擎、3D轨迹跟踪引擎;所述模板数据库包括人形基础模板、人运动姿态模板,本系统通过统计前述每个人数据,计算人流量、人流密度、人流行进方向、人流平均速度。
Description
技术领域
本发明涉及一种计算机辅助生物特征识别及分析系统,更具体地说,是一种人流视频侦测分析系统。
背景技术
随着现代社会的发展,人流密集程度越来。千万级人口的城市越来越多,这就导致这些城市每天在特定时间和特定地点,特别是交通枢纽、地铁换乘站、旅游景点处人流特别密集。
而人流的聚集必然导致各种风险增加,例如,《人群拥挤踩踏事故的风险分析及预防控制》中记载:当人群密度超过5人/m2时,可将其视为连续介质,人群中产生扰动,如突然停电、自宽敞空间进入狭窄出入口、不同方向人群汇聚集中,会带来拥挤、阻塞、碰撞、混乱,这种扰动将以波的形式在人群中传播,演变成激波,就很容易导致拥挤踩踏事故。例如2015年迎元旦上海外滩踩踏事件、2004年元宵节北京密云灯会踩踏事件都是对人流密度超过临界点预防不足导致的悲剧。
传统的应对策略都是根据过去的经验数据进行粗略的预测,无法实时了解当前人流密集点的人流数量及涌向该人流密集点的人流数量、人流速度等关键数据,应对的针对性差。
本系统就是为了解决这一问题而设计开发。
发明内容
本发明是一种人流视频侦测分析系统,包括硬件设备、软件引擎和模板数据库,所述硬件设备包括计算机、视频输入设备、网络设备;所述软件引擎包括识别捕捉引擎、分帧引擎、投影引擎、3D轨迹跟踪引擎;所述模板数据库包括人形基础模板、人运动姿态模板,其特征在于:
所述视频输入设备包括摄像机和硬盘录像机,摄像机进行视频实时输入,实时分析;硬盘录像机进行视频回放输入,事后分析;
所述识别捕捉引擎,通过人形基础模板结合人运动姿态模板识别出人形,捕捉视频流中的人形图像;
所述分帧引擎,将视频流拆分成每帧图像,识别捕捉引擎和分帧引擎交替工作,将包含有人形图像信息的帧,每帧每帧的抽取出来;
所述投影引擎将抽取出来的人形图像根据人形基础模板结合人运动姿态模板将其分解成X轴、Y轴、Z轴,分别对应人的宽度、人的厚度、人的高度,并将之投射到地面,坐标投影算法结合人形运动模板计算出X-Y轴的中心点,每个中心点代表一个人,从而达到精确统计特定区域内的人数;
所述3D轨迹跟踪引擎:
第一步根据布尔原理通过对每帧图像中的多个物体的交集、分割、差集、联集的指令运算,像素聚集会根据于曲面法线来决定哪部分要保留、哪部分要移除,实现架构对象预测,通过所述模板数据库中的人形基础模板结合人运动姿态模板,侦测到是人体或部分人体的对象属性后;
第二步把2D还原3D人体基本模板的算法叠加上去,生成3D人体对象,并逐个对每个3D人体对象做ID标记,更容易实现目标精确跟踪,后者在前者的基础上做轨迹侦测运算,精度更高;
第三步采用带帧间预测的运动补偿方法是最大程度补全当前帧的缺损和推算出前一帧的每个3D运动对象在当前帧的位置;
第四步通过帧比较和矢量计算,可精确计算出目标人的移动方向、轨迹、速度;
所述计算机通过统计前述每个人数据,计算人流量、人流密度、人流行进方向、人流平均速度。
所述软件引擎采用坐标投影结合3D轨迹跟踪的方法,投影算法将人形投射到坐标系中,采用人形基础模板结合人运动姿态模板,确定人形的X轴、Y轴、Z轴和人的中心点位置,中心点即代表一个人,进行人数的精确统计;3D轨迹跟踪采用带帧间预测的运动补偿方法和布尔原理叠加2D还原3D的算法,实现轨迹精确跟踪,并通过帧比较和矢量计算,可以精确计算出目标人的移动方向、轨迹和速度。
所述投影引擎,当捕捉到多个人身体部位重叠时,按照未被遮挡部分形状,与人形基础模板结合人形运动姿态模板进行局部投射比较,通过布尔运算,推测为重叠的人的部位,并根据坐标投影算法可计算出该人的中心点位置,多个人身体部位可重叠,但人的投影中心点重叠概率很小,从而可精确计算出人流量和人的位置。
所述实时视频输入设备,即摄像机可为倾斜安装,统计覆盖区域面积大于垂直安装。
所述人形基础模板是一套人形部位的特征数据,通过特征数据匹配,可分辨出头、躯干、下肢的数量,再通过布尔运算可判断出为同一人的身体部位或多人重叠的未遮挡身体部位,从而判断出重叠的人的人数。
附图说明
图1是人形运动姿态的部分模板图
图2是人形捕捉示图
图3是人形3D投影2D原理图
图4是人形2D还原3D原理图
图5是人流量、人流移动方向、人流速度侦测示图
图6是人流聚集密集度图
图7是人流量热力图
图8是人流量统计图
图9是风险提示图
图10是应急预案图
图11是预警发布图
具体实施方式
下面结合说明书附图来说明具体实施方式:
本专利是一种人流视频侦测分析系统,该系统的一种实施方式如下:
1、人形判断:人形基础模板结合人运动姿态模板区分人与物体、动物;
具体而言,本系统遴选各10个成年男女、10个未成年儿童,共为40个标准身材的不同年龄、不同高度、不同宽度的男女的身形,作为人形基础模板,模板并非是真的人形,而是一套人形的几何特征数据;同时,本系统将人的身体分为8个部分,针对身体的每一个部分,制作了人12种典型运动姿态,一共产生了96种人的典型运动姿态,于是结合人形和运动姿态,共产生标准的人形姿态模板3840个,如图1;其后,将抓捕到的运动物体与系统模板库中的3840个人形自动套用,凡是与模板匹配的皆判断为人,进行捕捉,如图2;
分帧引擎将视频流拆分成每帧图像,识别捕捉引擎和分帧引擎交替工作,把人形图像每帧每帧抽取出来;
2、位置坐标体系的投影算法:进行人流量统计;
投影引擎将抽取出来的人形图像根据人形姿态模板分解成X轴、Y轴、Z轴,分别对应人的宽度、人的厚度、人的高度,并将之投射到地面,坐标投影算法计算出X-Y轴的中心点,每个中心点代表一个人,此方法称为立体投影法,是人数精确计算的一个关键点;如图3;
当多个人部分重叠时,按照未被遮挡部分形状,与人形姿态模板进行局部投射比较,通过布尔运算,判断出为重叠的人,根据坐标投影算法结合人形姿态模板可推算出该人的中心点位置,由于视频是二维的,人和人可以互相遮挡,但多个重叠人的投影的中心点在投影平面上重叠的概率很小,从而可精确计算出重叠的人数和位置,这是是人数精确计算的另一个关键点;
3、3D轨迹跟踪算法:精确计算目标人的驻留时间、行进方向、速度、轨迹;
根据布尔原理通过对多个物体的交集、分割、差集、联集指令运算,像素聚集会根据于曲面法线来决定哪部分要保留、哪部分要移除,实现架构对象预测,侦测到是人体或部分人体的对象属性后;把2D还原3D人体基本模板的算法叠加上去,如图4,并逐个对每个3D对象做ID标记,更容易实现目标对象的精确跟踪,后者在前者的基础上做轨迹侦测运算,精度更高;任何人,即使看似不动,但由于人时刻都在呼吸、体液循环,还是会造成人极其轻微的摆动,这为解决遮挡和运动方向的预判提供了可判断前提,由于视频是25帧/秒,而人是微动的,微动的结果是一秒钟内25帧图像存在微小的变化,采用带帧间预测的运动补偿算法就是根据相邻帧的相关性,最大程度补全当前帧的缺损和推算出前一帧的每个3D运动对象在当前帧的位置;通过帧比较和矢量计算,可精确侦测出目标人的驻留时间、移动方向、轨迹、速度;如图5。
4、实际应用:本系统不仅对人流进行检测和分析,同时还对人流密度进行预测:
人流密度即单位面积人流量,是最能反映人员密集程度的指标,也是表达人流风险最直接的因素。本系统经过长期实践与积累,认为:
a、0.27-0.84m2为行人所需要的缓冲空间;
b、静止人群的最佳密度是1.3-1.8人/m2;
c、4人/m2是安全阀值,预警,采取应急预案;
d、8人/m2是危险界限,发出警报,强制疏散。
本系统可对人流密度进行可视化处理,如图6所示的高、中、低三种人流聚集密度。
人流量统计的应用
1)在某大型广场上,挑选一个具有典型特征的区域,目的:通常该特征区域人流密度上升到一个临界值时,整个广场的人流一定达到了临界值;对该区域的人流密度数据,投射成人流量热力图,如图7,以便更直观的反应现实状况。
2)对该区域进行精确的人员计算,如图8,该计算数据将作为之后估算人流密度的依据;
3)将大型广场切割成与特征区域面积一致的若干区域,并估算整个广场的人流量;
人流汇集的预测
1)选择关键卡口,通常是那些交通枢纽位置,而且摄像机监控所及的范围;
2)识别移动物体,将移动的人与移动的物体分离出来;
3)计算人群中每个个体的平均移动方向和移动速率;
4)估算人流量、人流运动速度、人流方向,预测汇集地的人流密度临界点到达的时间点,风险提示如图9、应急预案如图10、预警发布如图11,提醒、警告管理人员迅速做出必要的疏导或拦截措施。
综上,本系统结合计算机辅助生物特征识别,结合长期积累的人形基础模板、人运动姿态模板,通过位置坐标体系的投影算法,可以准确计算人流量,通过3D轨迹跟踪算法,可以准确计算人流行进方向和人流速度,进行人流密度预测,对社会安全有着极为重要的作用。
Claims (5)
1.一种人流视频侦测分析系统,包括硬件设备、软件引擎和模板数据库,所述硬件设备包括计算机、视频输入设备、网络设备;所述软件引擎包括识别捕捉引擎、分帧引擎、投影引擎、3D轨迹跟踪引擎;所述模板数据库包括人形基础模板、人运动姿态模板,其特征在于:
所述视频输入设备包括摄像机和硬盘录像机,摄像机进行视频实时输入,实时分析;硬盘录像机进行视频回放输入,事后分析;
所述识别捕捉引擎,通过人形基础模板结合人运动姿态模板识别出人形,捕捉视频流中的人形图像;
所述分帧引擎,将视频流拆分成每帧图像,识别捕捉引擎和分帧引擎交替工作,将包含有人形图像信息的帧,每帧每帧的抽取出来;
所述投影引擎将抽取出的人形图像根据人形基础模板结合人运动姿态模板将其分解成X轴、Y轴、Z轴,分别对应人的宽度、人的厚度、人的高度,并将之投射到地面,坐标投影算法结合人运动姿态模板计算出X-Y轴的中心点,每个中心点代表一个人,从而达到精确统计特定区域内的人数;
所述3D轨迹跟踪引擎:
第一步根据布尔原理通过对每帧图像中的多个物体的交集、分割、差集、联集的指令运算,像素聚集会根据曲面法线来决定哪部分要保留、哪部分要移除,实现架构对象预测,通过所述模板数据库中的人形基础模板结合人运动姿态模板,侦测到是人体或部分人体的对象属性;
第二步把2D还原3D人形基础模板的算法叠加上去,生成3D人体对象,并逐个对每个3D人体对象做ID标记,更容易实现目标精确跟踪,后者在前者的基础上做轨迹侦测运算,精度更高;
第三步采用带帧间预测的运动补偿方法,最大程度补全当前帧的缺损和推算出前一帧的每个3D运动对象在当前帧的位置;
第四步通过帧比较和矢量计算,精确计算出目标人的移动方向、轨迹、速度;
所述计算机通过统计前述每个人数据,计算人流量、人流密度、人流行进方向、人流平均速度。
2.根据权利要求1所述的人流视频侦测分析系统,其特征在于:所述软件引擎采用坐标投影结合3D轨迹跟踪的方法,投影算法将人形投射到坐标系中,采用人形基础模板结合人运动姿态模板,确定人形的X轴、Y轴、Z轴和人的中心点位置,中心点即代表一个人,进行人数的精确统计;3D轨迹跟踪采用带帧间预测的运动补偿方法和布尔原理叠加2D还原3D的算法,实现轨迹精确跟踪,并通过帧比较和矢量计算,精确计算出目标人的移动方向、轨迹和速度。
3.根据权利要求1所述的人流视频侦测分析系统,其特征在于:所述投影引擎,当捕捉到多个人身体部位重叠时,按照未被遮挡部分形状,与人形基础模板结合人形运动姿态模板进行局部投射比较,通过布尔运算,推测为重叠的人的部位,并根据坐标投影算法计算出该人的中心点位置,多个人身体部位重叠,但人的投影中心点重叠概率很小,从而精确计算出人流量和人的位置。
4.根据权利要求1所述的人流视频侦测分析系统,其特征在于:所述视频输入设备,即摄像机为倾斜安装,统计覆盖区域面积大于垂直安装。
5.根据权利要求1所述的人流视频侦测分析系统,其特征在于:所述人形基础模板是一套人形部位的特征数据,通过特征数据匹配,分辨出头、躯干、下肢的数量,再通过布尔运算判断出为同一人的身体部位或多人重叠的未遮挡身体部位,从而判断出重叠的人的人数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510939892.6A CN105574501B (zh) | 2015-12-15 | 2015-12-15 | 一种人流视频侦测分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510939892.6A CN105574501B (zh) | 2015-12-15 | 2015-12-15 | 一种人流视频侦测分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105574501A CN105574501A (zh) | 2016-05-11 |
CN105574501B true CN105574501B (zh) | 2019-03-15 |
Family
ID=55884609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510939892.6A Active CN105574501B (zh) | 2015-12-15 | 2015-12-15 | 一种人流视频侦测分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105574501B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI624805B (zh) * | 2017-03-27 | 2018-05-21 | 晶睿通訊股份有限公司 | 用來呈現路徑分佈特性的物件統計方法及其影像處理裝置 |
CN107067951A (zh) * | 2017-03-31 | 2017-08-18 | 广州地理研究所 | 乘客出行热力图构建方法及装置 |
CN108563975B (zh) * | 2017-07-31 | 2021-06-25 | 海峡创新互联网股份有限公司 | 一种基于深度学习的高密度人群人数估计方法 |
CN108550059B (zh) * | 2018-04-28 | 2022-01-14 | 广东省顺客隆商业连锁有限公司 | 一种基于人像识别的产品推荐方法 |
CN108647615A (zh) * | 2018-04-28 | 2018-10-12 | 东莞市华睿电子科技有限公司 | 一种电影院逃票预警的实现方法 |
CN108615020A (zh) * | 2018-04-28 | 2018-10-02 | 东莞市华睿电子科技有限公司 | 一种视频监控区域内的流动人数统计方法 |
CN108665691A (zh) * | 2018-08-22 | 2018-10-16 | 张菁菁 | 一种智能防拥挤踩踏的预警与导流的系统及方法 |
CN109087478A (zh) * | 2018-08-22 | 2018-12-25 | 徐自远 | 一种智能防拥挤踩踏的预警与导流方法及系统 |
CN111126117B (zh) * | 2018-11-01 | 2023-05-02 | 阿里巴巴集团控股有限公司 | 信息处理方法和装置 |
CN111209781B (zh) * | 2018-11-22 | 2023-05-23 | 珠海格力电器股份有限公司 | 一种统计室内人数的方法及装置 |
CN110232712A (zh) * | 2019-06-11 | 2019-09-13 | 武汉数文科技有限公司 | 室内人员定位跟踪方法和计算机设备 |
CN110769572B (zh) * | 2019-11-14 | 2021-08-13 | 安徽节源环保科技有限公司 | 一种基于gis和手机定位的灯光控制系统和方法 |
CN111352729B (zh) * | 2020-02-04 | 2023-01-10 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算架构的公共人流监视疏导方法和系统 |
CN113470066B (zh) * | 2020-03-31 | 2024-04-02 | 中国科学技术大学 | 行人疏散轨迹成分分离方法 |
CN111918054B (zh) * | 2020-06-29 | 2021-05-04 | 普瑞达建设有限公司 | 视屏侦测分析系统 |
CN112085003B (zh) * | 2020-09-24 | 2024-04-05 | 湖北科技学院 | 公共场所异常行为自动识别方法及装置、摄像机设备 |
CN115006822A (zh) * | 2022-05-28 | 2022-09-06 | 广州市讯元智体科技有限公司 | 一种智能健身镜控制系统 |
CN117156259B (zh) * | 2023-10-30 | 2024-03-22 | 海信集团控股股份有限公司 | 一种视频流获取方法及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008542922A (ja) * | 2005-05-31 | 2008-11-27 | オブジェクトビデオ インコーポレイテッド | 保安用途向けの人間の検出及び追跡 |
CN101321269A (zh) * | 2007-06-05 | 2008-12-10 | 同济大学 | 基于计算机视觉的客流量检测方法及系统 |
CN102509305B (zh) * | 2011-09-26 | 2014-08-06 | 浙江工业大学 | 基于全方位视觉的动物行为检测装置 |
CN104915628A (zh) * | 2014-03-14 | 2015-09-16 | 株式会社理光 | 基于车载相机的场景建模进行运动行人预测的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6678413B1 (en) * | 2000-11-24 | 2004-01-13 | Yiqing Liang | System and method for object identification and behavior characterization using video analysis |
-
2015
- 2015-12-15 CN CN201510939892.6A patent/CN105574501B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008542922A (ja) * | 2005-05-31 | 2008-11-27 | オブジェクトビデオ インコーポレイテッド | 保安用途向けの人間の検出及び追跡 |
CN101321269A (zh) * | 2007-06-05 | 2008-12-10 | 同济大学 | 基于计算机视觉的客流量检测方法及系统 |
CN102509305B (zh) * | 2011-09-26 | 2014-08-06 | 浙江工业大学 | 基于全方位视觉的动物行为检测装置 |
CN104915628A (zh) * | 2014-03-14 | 2015-09-16 | 株式会社理光 | 基于车载相机的场景建模进行运动行人预测的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105574501A (zh) | 2016-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105574501B (zh) | 一种人流视频侦测分析系统 | |
WO2020253308A1 (zh) | 矿井下皮带运输人员人机交互行为安全监控与预警方法 | |
US8254633B1 (en) | Method and system for finding correspondence between face camera views and behavior camera views | |
AU2015203771B2 (en) | A method and apparatus for surveillance | |
CN113011367B (zh) | 一种基于目标轨迹的异常行为分析方法 | |
CA3094424A1 (en) | Safety monitoring and early-warning method for man-machine interaction behavior of underground conveyor belt operator | |
CN109344690B (zh) | 一种基于深度相机的人数统计方法 | |
WO2017183769A1 (ko) | 이상 상황을 감지하는 장치 및 방법 | |
CN104318578A (zh) | 一种视频图像分析方法及系统 | |
CN106210634A (zh) | 一种智慧金睛识别人员倒地报警方法和装置 | |
JP3655618B2 (ja) | 歩行者年齢判定装置、歩行状態・歩行者年齢判定方法およびプログラム | |
CN106210633A (zh) | 一种智慧金睛识别越线检测报警方法和装置 | |
WO2019220589A1 (ja) | 映像解析装置、映像解析方法、及びプログラム | |
CN109035305A (zh) | 一种基于rgb-d低视角情况下的室内人体检测与跟踪方法 | |
CN103646254A (zh) | 一种高密度行人检测方法 | |
KR20140132140A (ko) | 군중 궤적 추출을 이용한 비정상 행동 검출에 기초한 영상 감시 방법 및 영상 감시 장치 | |
TWI493510B (zh) | 跌倒偵測方法 | |
CN114529880A (zh) | 一种城市轨道异物侵限检测方法、装置、系统及存储介质 | |
Pramerdorfer et al. | Fall detection based on depth-data in practice | |
WO2020217812A1 (ja) | 被写体の状態を認識する画像処理装置及びその方法 | |
JP2011198244A (ja) | 対象物認識システム及び該システムを利用する監視システム、見守りシステム | |
Kaltsa et al. | Timely, robust crowd event characterization | |
Virgona et al. | Sensing and perception technology to enable real time monitoring of passenger movement behaviours through congested rail stations | |
Djeraba et al. | Multi-modal user interactions in controlled environments | |
Flores-Barranco et al. | Accidental fall detection based on skeleton joint correlation and activity boundary |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |